• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Mémoire de Maîtrise
DOI
https://doi.org/10.11606/D.104.2020.tde-06082020-095824
Document
Auteur
Nom complet
Thiago Ramos Biondo
Adresse Mail
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Carlos, 2020
Directeur
Jury
Suzuki, Adriano Kamimura (Président)
Saraiva, Erlandson Ferreira
Silva, Paulo Henrique Ferreira da
Titre en portugais
Modelos de Sobrevivência Bivariados Baseados na Cópula PVF
Mots-clés en portugais
Análise de sobrevivência
Cópula PVF
Funções cópulas
Inferência bayesiana
Simulação
Resumé en portugais
Uma alternativa desenvolvida para estudar associações entre os tempos de sobrevivência multivariados é o uso dos modelos baseados em funções cópulas. Neste trabalho, utilizamos o modelo de sobrevivência derivado da cópula PVF, baseada na distribuição Power Variance Function, para modelar a dependência de dados bivariados na presença de covariáveis e observações censuradas. Para fins inferenciais, realizamos uma abordagem Bayesiana usando métodos Monte Carlo em Cadeias de Markov (MCMC). Algumas discussões sobre os critérios de seleção de modelos são apresentadas. Com o objetivo de detectar observações influentes utilizamos o método Bayesiano de análise de influência de deleção de casos baseado na divergência ψ. Por fim, ilustramos a aplicabilidade dos modelos propostos a conjuntos de dados simulados e reais.
Titre en anglais
Bivariate Survival Models Based on PVF Copula
Mots-clés en anglais
Bayesian inference
Copula functions
PVF copula
Simulation
Survival analysis
Resumé en anglais
An alternative developed to study associations among multivariate survival times is the use of models based on copula functions. In this work, we use the survival model derived from the PVF copula, based on the Power Variance Function distribution, to model the dependence of bivariate data in the presence of covariates and censored observations. For inferential purposes, we perform a Bayesian approach using Monte Carlo Markov Chain (MCMC) methods. Some discussions about model selection criteria are presented. In order to detect influential observations, we used the Bayesian method of deletion influence analysis of cases based on divergence ψ. Finally, we show the applicability of the proposed models to simulated and real datasets
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2020-08-06
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
CeTI-SC/STI
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2022. Tous droits réservés.